Der FBK im Open6Ghub
Die Zukunft des Mobilfunks für die industrielle Anwendung mitgestalten
Diese Zielsetzung verfolgt das FBK innerhalb des vom Bundesministerium für Bildung und Forschung geförderten Forschungsprojektes “oben6Ghub”. Gemeinsam mit Stakeholdern aus Wirtschaft und deutscher Spitzenforschung erforschen unsere Kollegen Jan Mertes und Marius Schmitz die potenziellen technologischen Lösungen des 6G Mobilfunkstandards von morgen.
Innerhalb des Projektes werden gemeinsam mit dem Deutschen Forschungszentrum für Künstliche Intelligenz (DFKI) und dem Lehrstuhl für Funkkommunikation und Navigation WICON der RPTU die Anforderungen und potenzielle Umsetzungsmöglichkeiten von neuen Technologien für den künftigen 6G-Standard mit Blick auf Anforderungen für die industrielle Anwendung evaluiert und prototypisch umgesetzt.
Es werden beispielsweise dedizierte Subnetzwerke innerhalb eines Mobilfunknetzes entwickelt, die zeitdeterministische Kommunikation unter einer Millisekunde erlauben. Somit ermöglicht 6G künftig die kabellose Umsetzung von zeit- und sicherheitskritischen industriellen Prozessen. Eine weitere Technologie ist die Integration von Ortungs- und Radarfunktionen in ein existierendes Mobilfunknetz, wodurch die geographische Information jeglicher Objekte im Raum determiniert werden kann. In der industriellen Praxis ermöglicht dies eine vereinfachte Materialflussüberwachung oder die Umsetzung eines komplexen industriellen Metaversums.
Bei Fragen können Sie sich jederzeit bei Jan Mertes oder Marius Schmitz melden oder auf der Projektwebsite vorbeischauen (https://www.open6ghub.de/).
Der FBK auf der CIRP Conference on Manufacturing System in Kapstadt
Mit zehn Beiträgen auf der diesjährigen CIRP Conference on Manufacturing Systems in Kapstadt, Südafrika, war der Lehrstuhl für Fertigungstechnik und Betriebsorganisation der RPTU vertreten.
Mit zehn Beiträgen auf der diesjährigen CIRP Conference on Manufacturing Systems in Kapstadt, Südafrika, war der Lehrstuhl für Fertigungstechnik und Betriebsorganisation der RPTU vertreten.
Unsere Themen im Bereich der digitalen Technologien umfassten Quanten Annealing für die Reihenfolgeplanung, Machine-Learning-Ansätze für die Layout- und Arbeitsplanung und zur Steigerung der Resilienz von Fertigungssystemen sowie die Implementierung von digitalen Zwillingen und 5G in cyber-physischen Produktionssystemen. Darüber hinaus wurden Methoden zur Kosten- und Nachhaltigkeitsbewertung sowie zur automatisierten Anomalieerkennung von additiven Fertigungsprozessen vorgestellt. In vielen interessanten Diskussionen wurden Erfahrungen und neueste Ergebnisse ausgetauscht und neue Kontakte geknüpft.
Vielen Dank an Natasha Sacks von der Stellenbosch University und Kuhmbulani Mpofu von der Tshwane University of Technology und ihr gesamtes Team für die Organisation der hervorragenden Konferenz und dafür, dass wir ein Teil davon sein durften.
Das vom rheinland-pfälzischen Ministerium für Wirtschaft, Verkehr, Landwirtschaft und Weinbau und dem europäischen Fonds für regionale Entwicklung (EFRE) geförderte Projekt „Anwendungszentrum für additive Fertigung mit Hochgeschwindigkeits-Laserauftragschweißen“ wurde zum Jahresende 2022 abgeschlossen. Der Fokus des Projekts lag dabei auf der Nutzbarmachung des Hochgeschwindigkeits-Laserauftragschweißens (HLA) auf einer pE3D Anlage von Ponticon und dessen potenziellen Vorteilen für kleine und mittlere Unternehmen.
Der HLA-Prozess zeichnet sich durch deutlich gesteigerte Aufbauraten und damit auch einer erhöhten Produktivität im Vergleich zu herkömmlichen additiven Fertigungsprozessen aus. Da es sich um ein noch junges Verfahren handelt, lag der Projektfokus auf der Identifizierung passender Parameterkombinationen und einem grundlegenden Prozessverständnis. Hierbei wurden passende Parameter für Vorschubgeschwindigkeiten von bis zu 120 m/min für zwei Edelstahllegierungen (1.4404 und 1.4542) ermittelt. In weiteren Untersuchungen wird sich nun mit der Gradierung zweier Materialien und der Nachbearbeitung von HLA-Bauteilen befasst.
Diese Frage steht im Mittelpunkt des Projekts „Part manufacturing under reduced workforce restrictions (PartRe²Work)“, das von der DFG und dem FWF gefördert wird. In Zusammenarbeit mit der TU Wien und in Kooperation mit dem "Human Computer Interaction Lab" der RPTU Kaiserslautern wird untersucht, wie Telekommunikationsmethoden gestaltet werden können, um eine kontinuierliche Produktion auch bei reduziertem Personalbestand aufrechtzuerhalten. Das Projekt wurde mit einer Kickoff-Veranstaltung in Wien in der Pilotfabrik 4.0 am 21. und 22. September gestartet, bei der gemeinsame Forschungsziele und Untersuchungsbereiche festgelegt wurden.
Die dritte und finale Konferenz der International Research Training Group - IRTG 2057 über “Physical Modeling for Virtual Manufacturing Systems and Processes” fand diese Woche in den Asilomar Conference Grounds in Monterey, Kalifornien statt.
Gemeinsam mit der UC Davis und der UC Berkeley wurden Themen des Maschinenbaus, des Scientific Computing und der Physik diskutiert. Die Beiträge befassten sich mit übergreifenden Themen der Modellierung und Visualisierung von produktionstechnischen Systemen auf Prozess-, Maschinen- und Fabrikebene. Die Hauptbeiträge der Konferenz kamen von Doktoranden der dritten und letzten Kohorte, ergänzt durch Vorträge von geladenen Gästen. Die lebhaften Diskussionen führten zu einem interdisziplinären Austausch, neuen Ideen und Kooperationen, die auch über das IRTG 2057 hinaus Bestand haben werden.
Weitere Informationen über das IRTG 2057 finden Sie unter: www.irtg2057.de
Die Nachhaltigkeit von Produktionssystemen und Kreislaufwirtschaft waren die bestimmenden Themen der 30th CIRP Life Cycle Engineering Konferenz an der Rutgers University in New Brunswick. Unsere Mitarbeitenden Svenja Ehmsen und Shradha Ghansiyal haben ihre Forschungsergebnisse in den Bereichen der Energieeffizienz der additiven Fertigungsverfahren des Hochgeschwindigkeits-Laserauftragschweißens und des pulverbettbasierten Schmelzens präsentiert. Max Werrel und Li Yi stellten ihre Ergebnisse bezüglich der Reduzierung des CO2-Fußabdrucks und der Planung der Servicereihenfolge von Produkt-Service Systemen vor. Wir danken Yuebin Guo von der Rutgers University sowie Moneer Helu von der University of Maryland für die Organisation sowie allen Teilnehmenden der internationalen Forschungseinrichtungen für den spannenden und inspirierenden Austausch.
Wir freuen uns sehr über den erfolgreichen Beginn unseres neuen BMBF-Projekts DialoKIM, das diese Frage beantworten soll. Unter Verwendung von künstlicher Intelligenz (sogenannter NLPs) werden fachspezifische Sprachbefehle auch unter schlechten Umgebungsbedingungen möglich sein. Das resultierende Voice-User-Interface (VUI) soll zudem sicherheitskritische Tätigkeiten vereinfachen und einen inklusiven Betrieb ermöglichen. Das interne Kick-off-Meeting fand am 24.04.2023 an der RPTU in Kaiserslautern statt.
Innerhalb des Projektes werden moderne Deep-Learning-Architekturen genutzt, um eine echtzeitfähige und zuverlässige Steuerung von Werkzeugmaschinen zu ermöglichen. Hierzu wird die Werkzeugmaschine und Steuerung zunächst virtualisiert und somit eine risikofreie und schnelle Software-in-the-loop-Umgebung ermöglicht. Dadurch kann das Training der KI-Algorithmen deutlich beschleunigt werden. Das Projekt wird federführend von der SABO MOBILE IT GmbH geleitet. Unterstützt wird das Vorhaben von der Agitum UG, der EES Beratungsgesellschaft mbH sowie dem Lehrstuhl für Fertigungstechnik und Betriebsorganisation der RPTU.
Unsere Mitarbeiter Svenja Ehmsen und Matthias Klar haben in den vergangenen Wochen ihre Forschungsprojekte erfolgreich während eines Forschungsaufenthalts an der University of California, Davis im Rahmen der International Research Training Group (IRTG 2057) vorangetrieben. Im IRTG 2057 arbeitet das FBK mit verschiedenen Instituten der RPTU und unseren Partneruniversitäten der University of California, Davis und University of California, Berkeley zusammen, um produktionsorientierte Fragestellungen aus den Bereichen der Ingenieurwissenschaften und Informatik zu lösen. Matthias Klar untersuchte während seines Aufenthalts die Potentiale einer KI- und Simulations-basierten Lösung für die automatisierte Fabriklayoutplanung. Svenja Ehmsen erweiterte und optimierte ein Model zur Prognose des Energiebedarfs von Hochgeschwindigkeits-Laserauftragsschweißen.
Bei den bislang im Mikrofräsen hauptsächlich eingesetzten und rein passiven Luftlagerspindeln führen die für einen konstanten Vorschub pro Zahn nötigen Drehzahländerungen zu unerwünschten Rundlaufabweichungen des Werkzeugs und damit zu Formabweichungen im Bauteil. Um optimale Ergebnisse beim Mikrofräsen erzeugen zu können, werden in dem von der Deutschen Forschungsgemeinschaft (DFG) – German Research Foundation geförderten Forschungsprojekt die Vorteile von luftgelagerten Werkzeugspindeln um die Regelmöglichkeiten eines aktiven Magnetlagers ergänzt. Um Rundlaufabweichungen kompensieren zu können, wird ein einzelnes, aktiv geregeltes Magnetlager in eine Luftlagerspindel integriert. Dieses ermöglicht eine aktive Dämpfung und Stabilisierung des Werkzeugrundlaufs.
Die Entwicklung des Magnetaktors und des zugehörigen Regelkreises erfolgt zunächst modellbasiert auf Basis von Untersuchungen zum Schwingungsverhalten der Luftlagerspindel. Anhand eines Gesamtmodells werden die Regelparameter ermittelt und nach der konstruktiven Integration des Magnetaktors in das Spindelsystem nochmals optimiert. Der Einfluss des Magnetaktors wird abschließend in Mikrozerspanversuchen validiert.
Im August endete das vom rheinland-pfälzischen Ministerium für Wirtschaft, Verkehr, Landwirtschaft und Weinbau geförderte Projekt „Nutzung von Quanten-Annealing zur Reihenfolgeplanung produzierender Unternehmen - QuantPro“. Im Projekt wurde die Reihenfolge von Fertigungsaufträgen mittels Quantencomputern (Quanten Annealer) berechnet. Durch den Einsatz von Quanten Annealing konnten dabei durch die kürzeren Berechnungszeiten im Vergleich zu konventionellen Verfahren insbesondere kurzfristigen Umplanungen effizient realisiert werden. Die Abbildung zeigt beispielhaft das Vorgehen für eine solche kurzfristige Umplanung mittels Quanten Annealing. Zur Bewertung der hierfür notwendigen Methode wurden Planungsdaten von Industriepartnern analysiert und berechnet. Trotz einer derzeit noch eingeschränkten Hardwarekapazität der Quanten-Annealer, konnten bereits jetzt im direkten Vergleich mit herkömmlichen Berechnungsmethoden die Lösungsqualität verbessert und die Berechnungszeit verkürzt werden.
Für eine effiziente Zerspanung von Hochleistungswerkstoffen sind optimierte Bearbeitungsstrategien notwendig, insbesondere bezüglich des eingesetzten Kühlkonzepts. Am FBK wurden die Vorteile konventioneller flüssiger Kühlschmierstoffe und der kryogenen Zerspanung in einem neuartigen Sub-Zero Kühlschmierstoff vereint, welcher auf bis zu -40 °C temperiert und der Kontaktzone zugeführt werden kann. In der Folge werden höhere Werkzeugstandzeiten, ein verbesserter Spanbruch, optimierte Randschichteigenschaften sowie neuartige Prozesse ermöglicht.
Um das Potential dieses neuartigen Kühlkonzepts bestmöglich ausnutzen zu können, wurde am FBK ein Arbeitskreis eingerichtet, der auch dieses Jahr wieder stattfinden wird. Wir laden Sie daher herzlich zu einer Teilnahme an unserem Arbeitskreistreffen am 12.10.2023 an der RPTU in Kaiserslautern ein.
Innerhalb dieses Arbeitskreises werden wir Ihnen Ansätze und Verbesserungen für den Einsatz von Sub-Zero Kühlschmierstoffen in der Zerspanung vorstellen und gemeinsam mit Ihnen diskutieren. Im Rahmen von Impulsvorträgen geben wir einen Überblick über aktuelle Forschungsergebnisse hinsichtlich des Einsatzes des neuen Kühlkonzepts in der Zerspanung. Darüber hinaus wird der Einsatz von Sub-Zero Kühlkonzepten innerhalb unseres Versuchsfelds anschaulich demonstriert.
Bei Interesse oder Fragen wenden Sie sich bitte an Kevin Gutzeit (E-Mail: kevin.gutzeit@rptu.de, Tel: Telefon: 0631 / 205 – 3472)
Im Rahmen des Forschungsgebäudes 'Laboratory for Ultra-Precision and Micro Engineering' (LPME) hat der Lehrstuhl für Fertigungstechnik und Betriebsorganisation (FBK) eine Nanotech 650FG von Moore Nanotechnology Systems LLC erhalten. Nach Auslieferung in Kaiserslautern wurde die Maschine bei Nanotech auf deren Messestand auf der LASER World of Photonics Leitmesse in München präsentiert, mit unserem Mitarbeiter Tobias Mayer als Lehrstuhlvertretung vor Ort. Die 5-achsige ultrapräzise Werkzeugmaschine ermöglicht im Rahmen der Forschungsarbeiten in LPME und am FBK neue Möglichkeiten zur Grundlagenforschung in der Mikrozerspanung.
Im Rahmen der International Research Training Group - IRTG 2057 arbeiteten unsere Kollegen am FBK in enger Zusammenarbeit mit Wissenschaftlern der University of California, Davis an innovativen Methoden zur energieeffizienzorientierten Produktgestaltung für die additive Fertigung. Das Ziel hierbei war es, den Energieaufwand additiver Fertigungsverfahren zu bewerten und zu optimieren, um nachhaltige Lösungen in der Produktentwicklung zu fördern. Mit systematischer topologischer Optimierung und dem Einsatz des Multi-Player Competition Algorithmus konnten bereits vielversprechende Energieeinsparungen von bis zu 5,8 % erzielt werden.
Die Festigkeit innerhalb der Werkstückrandschicht beeinflusst maßgeblich das Einsatzverhalten technischer Bauteile. Zur Festigkeitssteigerung werden daher zeit- und kostenintensive Prozesse der Zerspanung nachgelagert. Motiviert durch eine Prozesskettenverkürzung wurde am FBK ein kryogener Drehprozess entwickelt, der die Aufhärtung in den formgebenden Zerspanprozess integriert. Darauf aufbauend wird im neuen, von der Deutschen Forschungsgemeinschaft geförderten Transferprojekts des SFB 926 das Potential kryogener Minimalmengenschmierungen (MMS) zur Oberflächenkonditionierung untersucht. Durch die zusätzlichen vorteilhaften Schmiereigenschaften der MMS kann die Oberflächenqualität verbessert und die Wärmeentstehung minimiert werden, was eine Reduzierung der kryogenen Massenströme und damit ein ressourceneffizienter und wirtschaftlicherer Einsatz ermöglicht.
Die kryogenen MMS-Strategien werden in enger Zusammenarbeit mit der Fuchs Schmierstoffe GmbH, als Hersteller geeigneter MMS-Öle, und der Knoll Maschinenbau GmbH, als Anlagenhersteller für kryogene MMS-Systeme, entwickelt. Innerhalb tribologischer Analogieversuche wird zunächst die Kühl- und Schmierwirkung des kryogenen MMS-Systems untersucht. Die entwickelten kryogenen MMS-Strategien werden anschließend beim Drehen eingesetzt mit dem Ziel, eine Verbesserung der Oberflächenmorphologie bei gleichzeitig geringem Ressourcenaufwand zu realisieren.
Im September endet das DFG-Projekt „Analyse und Sicherstellung der ökologischen Nachhaltigkeit technischer Produkt-Service Systeme in der frühen Gestaltungsphase – ÖkoPSS“. Im Zuge des Projektes wurde ein Vorgehen entwickelt, mit dem der CO2-Fußabdruck von Produkt-Service Systemen bereits in der Entwicklung gezielt gesenkt werden kann. Basierend auf durchgeführten Ökobilanzen konnten somit Senkungspotenziale von bis zu 40% identifiziert werden. Das in der Abbildung gezeigte Vorgehen fand bereits bei Industriepartnern erfolgreich Anwendung.
Dieser Frage widmeten sich am Mittwoch, den 01.02.2023, interessierte Schülerinnen im Rahmen des Ada-Lovelace-Projekts. Hierzu analysierten sie gemeinsam mit wissenschaftlichen Mitarbeiterinnen am FBK die Umweltauswirkungen von metallbasierten additiven Fertigungstechnologien und führten eine kurze Ökobilanzierung eines mittels Hochgeschwindigkeits-Laserauftragsschweißen gefertigten Bauteils durch. Hierbei lernten die Schülerinnen Grundlagen der additiven Fertigung und der spanenden Nachbearbeitung kennen und erhielten spannende Einblicke in aktuelle Forschungsthemen am Lehrstuhl für Fertigungstechnik und Betriebsorganisation. Wir hoffen auf ein baldiges Wiedersehen an der RPTU Kaiserslautern-Landau.
Wir freuen uns, dass die brasilianisch-deutsche Kooperation zur Untersuchung des Einsatzes von digitalen Zwillingen in der Produktion auf Basis von hybriden Modellen fortgesetzt wird. Das von der Deutschen Forschungsgemeinschaft geförderte Forschungsprojekt HyModCon ist am 1. Februar 2023 gestartet. In Zusammenarbeit mit Forschungspartnern der Universität Rio Grande do Norte (UFRN in Natal, Brasilien) wird die Anwendbarkeit hybrider Modelle mit unterschiedlichen Modellinputbedingungen untersucht. Hybride Modelle versprechen bessere Ergebnisse für die Analyse, Überwachung und Vorhersage in Anwendungsgebieten auf der Fabrik-, Maschinen- und Prozessebene, da sie physikbasierte und datengetriebene Modelle miteinander kombinieren. Ziel ist es, den Anwendungsbereich digitaler Zwillinge von fortgeschrittenen Industrie 4.0-Implementierungen auf ein breites Spektrum von Szenarien, insbesondere in kleinen und mittleren Unternehmen (KMU), auszuweiten.
Beim Schleifen entstehen prozessbedingt hohe Anteile an Reibung und Wärme. Eine Reduzierung der Reibungsvorgänge und chemischen Wechselwirkungen zwischen den Kontaktpartnern beim Schleifen kann durch den Einsatz einer Physical Vapour Deposition (PVD)-Beschichtung an der Schleifscheibe erreicht werden. Basierend auf diesem Ansatz, wurde im kürzlich abgeschlossenen Projekt „PVD-Beschichtung galvanisch gebundener cBN-Schleifwerkzeuge zur Optimierung des Verschleiß- und Einsatzverhaltens für die Zerspanung von Nickel-Basis-Legierungen“ das Verschleiß- und Einsatzverhalten beim Schleifen durch PVD beschichtete galvanisch gebundene cBN-Schleifwerkzeuge optimiert.
Für die Untersuchungen wurden am FBK die Schichtsysteme AlTiN und TiB2 auf galvanisch gebundenen Schleifscheiben mit einer mittleren Korneinbetttiefe von 50 % aufgebracht und zum Schleifen von Inconel® 718 eingesetzt.
Aus den Leistungsfähigkeitsuntersuchungen beim Schleifen ging hervor, dass die Reduzierung der Korneinbetttiefen von 70 % auf 50 % bereits eine Verringerung der Prozesskräfte bewirkte, was auf den größeren Spanraum und die bessere Kühlschmierstoffversorgung zurückgeführt werden kann. Durch den Einsatz der TiB2‑Beschichtung konnten die Prozesskräfte weiter um bis zu 18 % reduziert werden. Dadurch werden die Werkstücke mechanisch weniger stark beansprucht und es sind geringere Spindelleistungen zur Bearbeitung erforderlich. Es ist auch davon auszugehen, dass höhere Werkzeugstandzeiten erreicht werden.
Vor- und Nachteile der additiven Fertigung
Unterstützung der Vorgangsfolgeermittlung in der Arbeitsplanung durch maschinelles Lernen (VorPlanML)
Die Aufgabe der Arbeitsplanung ist die Planung der Herstellprozesse für jedes Produkt, um dessen wirtschaftliche und herstellungsgerechte Fertigung zu ermöglichen. Dies geschieht durch die Erstellung eines termin- und auftragsneutralen Arbeitsplans. Der Arbeitsplan bestimmt, ausgehend von der Produktbeschreibung, das zu verwendende Rohmaterial, die Abfolge der Vorgänge, die Fertigungsmittel sowie die Vorgabezeiten und die Lohngruppen. Damit bildet die Arbeitsplanung den Übergang zwischen Entwicklung und Fertigung eines Produktes und legt Zeit, Kosten sowie Qualität der Fertigung fest. Immer kürzer werdende Produktlebenszyklen und der Trend zu kundenindividuellen Produkten steigern den Aufwand der Arbeitsplanung im industriellen Umfeld besonders in kleinen Serien. Vor diesem Hintergrund bietet eine Unterstützung der Arbeitsplanung durch Software hohe Einsparpotentiale. Bislang werden diese Potenziale jedoch nicht vollständig ausgeschöpft. Entsprechende Software bietet zwar eine Unterstützung während der Arbeitsplanerstellung, in der Integration von implizitem Wissen aus bereits erstellten Arbeitsplänen in die Software besteht jedoch noch Verbesserungsbedarf. Die fehlende Abbildung des impliziten Wissens in der Software hat zur Folge, dass häufig manuelle Eingriffe in die Arbeitsplanung erforderlich sind. Dies gilt vor allem für die Ermittlung der Vorgangsfolge, für deren Festlegung häufig auf Erfahrungswissen von Fachkräften und weitere Hilfsmittel wie Unterlagen, Richtlinien sowie Arbeitspläne ähnlicher Produkte zurückgegriffen wird. Demnach führt eine Integration von implizit vorhandenem Wissen in eine Software zur Senkung der Häufigkeit manueller Eingriffe innerhalb der Ermittlung der Vorgangsfolge und dadurch zur Beschleunigung des Prozesses der Arbeitsplanung.
Das Ziel des Vorhabens ist das Vorhersagen von Schritten der Vorgangsfolge, indem implizites Wissen aus bestehenden Arbeitsplänen durch maschinelle Lernalgorithmen extrahiert und innerhalb eines Softwaredemonstrator nutzbar gemacht wird. Zur Erreichung dieses Ziels wird im ersten Schritt der Betrachtungsgegenstand und ein Konzept zur datengetriebenen und formalen Erfassung von Vorgangsfolgen definiert. Hierzu wird der Prozess der Vorgangsfolgeermittlung analysiert, beschrieben und ein Prozessmodell erstellt. Anschließend werden die zur Verfügung stehenden Datensätze aufbereitet, indem Menge, Struktur und Qualität der Daten beschrieben werden. Nach der Aufbereitung der Daten werden innerhalb eines dreistufigen Prozesses maschinelle Lernmodelle entwickelt, welche die Vorhersage valider Vorgangsfolgeschritte ermöglichen. Diese maschinellen Lernmodelle werden danach in einen Softwaredemonstrator integriert, welcher über ein User Interface die Nutzung der maschinellen Lernalgorithmen greifbar und für den Fertigungsmitarbeiter bedienbar macht. Dieser Softwaredemonstrator wird im Produktionsumfeld der Kooperationspartner integriert und validiert. Zur Validierung wird ein Testkonzept zur Bewertung der Praxistauglichkeit des Demonstrators aufgestellt und eine entsprechende Nutzerstudie durchgeführt
Die Bearbeitung des Projekts erfolgt innerhalb eines Konsortiums, welchem neben dem FBK auch die Unternehmen der up2parts GmbH und der KWS Kölle GmbH sowie die Arbeitsgruppe Maschinelles Lernen angehören. Des Weiteren gehören zu diesem Konsortium die assoziierten Partner der Lauscher Präzisionstechnik GmbH und der Wagner Maschinenbau GmbH.
Das Vorhaben (VorPlanML, FKZ: 01 IS 21 0 10) wird im Rahmen des Programms „Erforschung, Entwicklung und Nutzung von Methoden der Künstlichen Intelligenz in KMU“ vom Bundesministerium für Bildung und Forschung gefördert.
Die TU Kaiserslautern hat gemeinsam mit dem Fraunhofer-Institut für Techno- und Wirtschaftsmathematik ITWM und der Hochschule Kaiserslautern mit dem geplanten Cluster „MePrecise“ die zweite Runde der vom Bundesministerium für Bildung und Forschung ausgeschriebenen Zukunftscluster-Initiative erreicht.
Unter Leitung von Prof. Dr.-Ing Jan C. Aurich werden die Partner bis zur nächsten Begutachtungsrunde in einer sechsmonatigen Konzeptionsphase eine tragfähige Clusterstrategie für MePrecise erarbeiten.
Mit den Clustern, die den Wettbewerb gewinnen, fördert das Bundesministerium regionale Innovationsnetzwerke und ermöglicht so einen verbesserten themenspezifischen Transfer zwischen Wissenschaft, Wirtschaft und Gesellschaft.
Bei Antenne Kaiserslautern erklärt Professor Aurich, um was es in MePrecise genau geht und wie sich die nächsten Schritte im Wettbewerb gestalten.
Nachhaltigkeitspotential von kryogenen Kühlschmierstoffen
Teil 1:
Kontakt
M. Sc. Marco Hussong
E-Mail: marco.hussong(at)mv.uni-kl.de
Telefon: 0631 205 – 4305
Nähere Informationen
Jan Mertes
Gebäude 57, Raum 226
Telefon: +49 631 205 4306
Telefax: +49 631 205 3304
E-Mail: jan.mertes(at)mv.uni-kl.de
Teil 2:
Die Nutzung künstlicher Intelligenz verspricht Prozessverbesserungen in der Nutzfahrzeugproduktion. Zu diesem Zweck fördert der Commercial Vehicle Cluster (CVC) Südwest zusammen mit dem Ministerium für Wirtschaft, Verkehr, Landwirtschaft und Weinbau Rheinland-Pfalz ein Forschungsprojekt mit Forschern der TU Kaiserslautern und Unternehmen.
Erschließung von Potentialen des Maschinellen Lernens in der Nutzfahrzeugproduktion
Die Nutzfahrzeugproduktion zeichnet sich durch branchenspezifische Charakteristika aus, welche einen direkten Transfer von Lösungen aus verwandten Bereichen, wie z.B. dem Automobilbau, erschweren. Das markanteste Charakteristikum ist eine hohe Variantenvielfalt bei häufig kleiner Stückzahl der einzelnen Varianten. Der hieraus resultierende ansteigende Komplexitätsgrad in der Produktion führt oftmals zu einer erhöhten Fehleranfälligkeit oder zu hohen Kosten.
Zur Beherrschung derartig komplexer Produktionssysteme zeigen Methoden des Maschinellen Lernens (ML), einem Teilgebiet der Künstlichen Intelligenz, zunehmend ihre Anwendungsreife. Das Ziel dieser Methoden besteht darin, aus großen und heterogenen Datenmengen Schlüsse und Prognosen für zukünftige Prozesse abzuleiten. Durch die fortschreitende Digitalisierung im Rahmen von Industrie 4.0 machen zusätzlich echtzeitnahe Sensor- und Steuerungsdaten einen signifikanten Anteil der zur Verfügung stehenden Daten aus. Diese zunehmend große Menge an zur Verfügung stehenden Daten begünstigt den Einsatz von ML. Während sich in der Massenproduktion (z.B. im Automobilbau) die Daten für einzelne Varianten häufen und somit vergleichsweise große Datenmengen für lernende Modelle zur Verfügung stehen, verteilen sich die Datenmengen in der Nutzfahrzeugproduktion auf die gesamte Breite. Runtergebrochen auf die Anzahl der unterschiedlichen Varianten, bleiben hierbei weniger Datensätze pro Bauteil zur Verfügung. Durch die damit einhergehende erhöhte Heterogenität der Datenbasis, ergeben sich neue Herausforderungen für die Anwendbarkeit von ML, welches in der Regel größere homogene Datenmengen zur Ableitung aussagekräftiger Modelle benötigt. Während in der Massenproduktion hochspezialisierte und durch die große Datenbasis sehr genaue Modelle entstehen, erfordert die Variantenvielfalt der Nutzfahrzeugindustrie die Entwicklung von Modellen mit einem höheren Grad an Generalisierbarkeit, welche leichter auf andere Anwendungen transferierbar sind. Hinzu kommt ein weiterhin hoher Anteil nicht-digitalisierter manueller Tätigkeiten, welcher die Menge an verfügbaren Daten pro Variante zusätzlich verringert.
Ziel des Leitprojektes ist es, die Potentiale, Hemmnisse und Herausforderungen bei der Umsetzung von Lösungen des Maschinellen Lernens unter Einbeziehung der spezifischen Charakteristika in der Nutzfahrzeugproduktion zu bestimmen und darauf aufbauend einen Handlungsleitfaden für produzierende Unternehmen zu erstellen. Dabei werden die Methoden des ML hinsichtlich ihrer Fähigkeit zum Umgang mit heterogenen Daten untersucht, sowie Verfahren zur Homogenisierung bzw. künstlichen Anreicherung der Datenbasis (Data Augmentation).
Im Leitprojekt wurden zur Erreichung dieser Zielstellung drei charakteristische Anwendungsfälle identifiziert, welche jeweils weitere Forschungsfragen aus dem Bereich des ML aufwerfen.
Eines der Anwendungsprobleme betrifft die optische Erkennung von Fehlteilen, die Herausforderung besteht hierbei in der geringen Datenbasis pro Variante. Um dieser entgegen zu wirken, werden Methoden der Datenaugmentierung mittels heuristischer Verfahren untersucht. Eine weitere Anwendung ist die optische Qualitätskontrolle von Schweißpunkten, welche durch die hohe Variantenzahl erschwert wird. Klassische merkmalsbasierte Methoden erwarten hierbei eine variantenspezifische Anpassung, die mit einem sehr hohen manuellen Aufwand einhergehen. Die Nutzung des Neural Radiance Felds (NeRF) bietet hierbei eine Möglichkeit mittels ML beliebe zusätzliche Perspektiven zu generieren, um so die notwendige Datenbasis zur Unterscheidung der Varianten zu ermöglichen.
Aktuell liegt der Fokus der Forschung bei den Potentialen des Neural Radiance Fields (NeRF) für die Generierung von virtuellen Modellen im Vergleich zu den Ansätzen aus der Photogrammmetrie, welche aus einer Reihe von Aufnahmen eine Punktwolke extrahiert. Dabei lernt ein neuronales Netz aus einer Reihe von Bildern eine 3-dimensionale Szene, inklusive Tiefeninformation, zu rekonstruieren. Der universelle Einsatz dieser Technologie, verbunden mit der vereinfachten Datenaufbereitung bietet ein großes Potential für die bildgestützte Qualitätskontrolle. Von besonderem Interesse ist dies vor allem für die variantenreiche Produktion zur Erhöhung und Homogenisierung der Datenbasis.
Neben diesen Forschungsfragen adressiert das Projekt zudem die Einführung von Methoden des Maschinellen Lernens im betrieblichen Alltag. Ein stetig besser werdender Zugang zu Rechenleistung und benutzerfreundlicher Software eröffnet hierbei neue und breitere Anwendungsfelder für die Technologien des ML. Zudem ist der Nutzfahrzeugsektor stark von kleinen und mittelständischen Unternehmen geprägt, für die die eigenständige Befähigung ohne konkrete Handlungsanleitungen oft ein hohes Risiko darstellt. Hier greift das geförderte Projekt durch einen engen Austausch mit assoziierten Partnern aus der Branche direkt an und entwickelt praxisnahe Handlungsanleitungen.
Kontakt
M.Sc. Patrick Rüdiger
E-Mail: patrick.ruediger(at)mv.uni-kl.de
Telefon: 0631 205 – 4282
Die Nutzfahrzeugproduktion charakterisiert sich durch eine hohe Variantenvielfalt, womit eine kleine Stückzahl der einzelnen Varianten einhergeht. Dies führt zu einer hohen Komplexität, woraus sich oftmals eine hohe Fehleranfälligkeit oder hohe Kosten ergeben.
Zur Beherrschung derartig komplexer Produktionssysteme werden zunehmend Methoden des Maschinellen Lernens (ML), einem Teilgebiet der Künstlichen Intelligenz, genutzt. Hiermit können aus Daten, die etwa von Sensoren stammen, Schlüsse und Prognosen für zukünftige Prozesse abgeleitet werden. Ein stetig besser werdender Zugang zu Rechenleistung und benutzerfreundlicher Software eröffnen neue und breitere Anwendungsfelder für die Technologie des ML.
Für die große Zahl an Nutzfahrzeugproduzenten in Rheinland-Pfalz ist die Erschließung der Potenziale von ML jedoch durch gewisse branchenspezifische Charakteristika erschwert. Geringe Stückzahlen und hohe Variantenvielfalt, sowie der hohe Anteil nicht-digitalisierter manueller Tätigkeiten führen zu einer vergleichsweise geringen Menge an verfügbaren Daten. Zudem ist der Nutzfahrzeugsektor stark von kleinen und mittelständischen Unternehmen geprägt, für die die eigenständige Befähigung ohne konkrete Handlungsanleitungen oft ein hohes Risiko darstellt.
Hier greift das Leitprojekt des CVC Südwest „Nutzung künstlicher Intelligenz in der Nutzfahrzeugproduktion“ an. Unter Führung des Lehrstuhls für Fertigungstechnik und Betriebsorganisation (FBK) der TU Kaiserslautern verfolgt es das Ziel, die Potenziale von ML für die Nutzfahrzeugproduktion nutzbar zu machen. Hierbei werden zusammen mit Unternehmen beispielhafte Anwendungsfälle erforscht und implementiert. Hierauf basierend wird ein Vorgehensmodell entwickelt, welches die Verbreitung der erzielten Erkenntnisse auf andere Anwendungsfälle ermöglicht.
„Mit dem Projekt gehen wir auf die Bedarfe der Nutzfahrzeugindustrie ein und adressieren gleichzeitig die wissenschaftlich wichtige Fragestellung nach dem Umgang mit kleinen, heterogenen Datensätzen in der Produktion.“ beschreibt Prof. Dr.-Ing. Jan C. Aurich vom FBK die Relevanz des Projekts.
Förderer:
Commercial Vehicle Cluster (CVC) Südwest
Europäische Union Europäischer Fonds für regionale Entwicklung – Rheinland Pfalz
Kontakt
M. Sc. Patrick Rüdiger
E-Mail: patrick.ruediger(at)mv.uni-kl.de
Telefon: 0631 / 205 – 4282
Forschungsprojekt zu Digitalem Zwilling ist gestartet
Die Ursprünge des Digitalen Zwillings liegen in der Raumfahrt. Die NASA nutzte das Konzept des Digitalen Zwillings bereits 2002. Da während eines Raumfluges das reale System, beispielsweise eine Raumfähre oder ein Satellit, nicht zur Verfügung steht, ist ein digitales Modell notwendig, um Fehler im Flugsystem zu detektieren oder Reparaturen zu erproben. Das digitale Flugsystem wurde besser abgebildet, wenn aus dem laufenden, realen Flugsystem die Betriebsdaten erfasst und an das digitale Modell übertragen wurden. So konnte das Betriebsverhalten des realen Systems auch aus der Ferne überwacht und durch entsprechende Simulationsmodelle sogar vorhergesagt werden.
Diese Potenziale lassen sich auf die industrielle Produktion übertragen: Hierbei beschreibt der Digitale Zwilling ein digitales Abbild eines realen Prozesses, einer realen Maschine oder eines realen Produktionssystems. Kern des Digitalen Zwillings sind auch hier dem Anwendungszweck angepasste Simulationsmodelle. Diese werden mit in Echtzeit erfassten Betriebsdaten des jeweiligen Systems zusammengeführt. Dadurch steht dem Anwender eine Entscheidungshilfe bereit, welche den Betrieb überwacht sowie mögliche Störungen prognostiziert, die durch entsprechende Steuereingriffe verhindert werden können.
Zur Umsetzung des digitalen Zwillings werden „datenbasierte“ oder „physikbasierte“ Modelle verwendet. Datenbasierte Modelle basieren auf Methoden zur Analyse von erfassten Daten. Hierfür kommt häufig das Maschinelle Lernen zum Einsatz, welches ein Teilgebiet der Künstlichen Intelligenz darstellt. Durch die zunehmende Digitalisierung der Produktion im Rahmen von Industrie 4.0 und den damit einhergehenden geringen Produktionskosten für Sensoren werden immer mehr Daten durch Messungen und Überwachungen erfasst. Dies begünstigt den Einsatz von datenbasierten Modellen. Physikbasierte Modelle hingegen bilden reale Phänomene auf Grundlage von bekannten Gesetzmäßigkeiten aus der Physik ab.
Daten- und physikbasierte Modelle besitzen individuelle Vor- und Nachteile, können sich jedoch auch ergänzen. Liegen beispielsweise nicht genügend Daten für das Ableiten eines datenbasierten Modells vor, kann ein physikbasiertes Modell zur Generierung zusätzlicher Datensätze genutzt werden. Andererseits ist es möglich, physikbasierte Modelle durch die Erkenntnisse aus datenbasierten Analysen zu erweitern und so noch besser auf das reale System abzustimmen. Demnach sind Anwendungsfälle denkbar, in denen eine Fusion beider Modellierungsarten zu einem hybriden Digitalen Zwilling führen. Durch die Fusion beider Modellierungsarten entsteht ein verbessertes digitales Modell eines realen (Produktions-) Systems, wodurch das Verhalten des realen Systems besser analysiert und prognostiziert werden kann. Eine schematische Darstellung des hybriden Digitalen Zwillings ist in Abbildung 1 zu erkennen.
Einen solchen hybriden Digitalen Zwilling zu erforschen, ist das Ziel des deutsch-brasilianischen Forschungsprojektes „Modellierung von Produktionssystemen unter Nutzung heterogener und unstrukturierter Daten im Kontext der Industrie 4.0“, das im Januar 2020 gestartet ist. In diesem internationalen Projekt wird ein Rahmenwerk modelliert, welches datengetriebene Modelle systematisch mit physikbasierten Simulationsmodellen verknüpft. Dabei wird eine derartige Fusion anhand eines Referenz-Produktionssystems exemplarisch konzipiert und implementiert. Daraus sind Rückschlüsse möglich, die die Konzipierung eines hybriden Digitalen Zwillings auf Fabrik-, Maschinen- und Prozessebene ermöglichen. FBK kooperiert dabei mit Forschern der Federal University of Rio Grande do Norte. Diese internationale Zusammenarbeit ermöglicht eine Berücksichtigung variierender Grade an erfassten Produktionsdaten. Dies ist z.B. in einem Produktionsnetzwerk relevant, welches sowohl Standorte in Hochtechnologieländern als auch in Schwellenländern enthält. Gefördert wird das Forschungsprojekt von der Förderlinie „DFG-CAPES Collaborative Research Initiative“ zum Thema Industrie 4.0. Von deutscher Seite erfolgt die Unterstützung durch die Deutsche Forschungsgemeinschaft (DFG), während die brasilianische Seite durch das brasilianische Bundesministerium für Bildung (CAPES) unterstützt wird.
Die einzelnen Arbeitspakete des Forschungsprojektes werden bilateral bearbeitet. Hierzu werden Informationen über den Bearbeitungsstatus bei wöchentlichen Jour Fixes ausgetauscht und Lösungen gemeinsam erarbeitet. Wichtiger Bestandteil der Zusammenarbeit ist neben nationalen und internationalen Publikationen auch das jährliche Treffen aller Projektbearbeiter aus der Förderlinie DFG-CAPES, welches in diesem Jahr im September in Hamburg stattfindet.
Förderer:
Deutsche Forschungsgemeinschaft (DFG)
DFG-CAPES Collaborative Research Initiative
Integrierte Arbeitssystemgestaltung in digitalisierten Produktionsunternehmen (InAsPro)
Eine erfolgreiche Durchführung von Digitalisierungsvorhaben erfordert ein Umdenken vor allem in abteilungsübergreifenden Geschäftsprozessen, da sich die Digitalisierung auf alle Abteilungen im Unternehmen auswirkt und zu vielfältigen Wechselwirkungen zwischen Methoden, Werkzeugen und Prozessen führt. Diese Aufgabe stellt für Produktionsunternehmen und vor allem für kleine und mittlere Unternehmen (KMU) eine Herausforderung dar. Am Markt ist eine große Vielfalt an häufig investitionsintensiven Digitalisierungstechnologien verfügbar. Die Herausforderung hierbei ist die gezielte Auswahl der Technologien, welche für die individuellen Bedürfnisse eines Unternehmens einen Mehrwert liefern können. Es ist entscheidend, diese Herausforderungen zu bewältigen, um so als Unternehmen langfristig die Wettbewerbsfähigkeit zu sichern. Dies muss von einer Transformation der Organisationsstrukturen und Unternehmensprozesse begleitet werden, in die alle Mitarbeiter eingebunden sind.
Im Forschungsvorhaben InAsPro wurde ein modulares Transformationskonzept entwickelt, welches die bedarfsgerechte Implementierung von Digitalisierungstechnologien in produzierenden Unternehmen mit Hilfe eines partizipativen Ansatzes unterstützt. Um eine ganzheitliche Digitalisierung zu ermöglichen, werden dabei technische sowie mitarbeiter- und organisationsbezogene Aspekte betrachtet. Das Transformationskonzept ist auf die Produktlebenszyklusphasen Entwicklung, Fertigung, Montage und Aftersales anwendbar und ermöglicht somit einen ganzheitlichen Ansatz zur Implementierung von Digitalisierungslösungen. Da Digitalisierungsvorhaben auf den vorhandenen Gegebenheiten im Unternehmen aufbauen, wird in einem ersten Schritt der Digitalisierungsgrad des betrachteten produzierenden Unternehmens mithilfe des InAsPro-Reifegradmodells bestimmt. Basierend darauf werden die langfristigen Digitalisierungsziele des Unternehmens in Digitalisierungsstrategien überführt. Weiterhin wird der Anwender bei der Auswahl einer geeigneten Digitalisierungstechnologie mithilfe des Technologieatlas unterstützt. Zur konkreten Digitalisierung eines Arbeitssystems liefert das Transformationskonzept operative Umsetzungsempfehlungen. Eine standardisierte Beschreibungsform ermöglicht dabei eine unternehmensindividuelle Auswahl und Anwendung der Umsetzungsempfehlungen und unterstützt dadurch die gezielte Implementierung einer Digitalisierungstechnologie im Arbeitssystem.
Die Projektergebnisse wurden in einem Herausgeberband mit dem Titel „Bedarfsgerechte Digitalisierung von Produktionsunternehmen – Ein modulares Transformationskonzept als praxisorientierter Ansatz“ beim Synnovating-Verlag veröffentlicht.
OptiAM- Gestaltung additiv-subtraktiver Prozessketten der Fertigung
Additive Fertigungsverfahren ermöglichen eine große geometrische Gestaltungsfreiheit und eine, durch schichtweises Auftragen von Material, endkonturnahe Fertigung ohne produktspezifisches Werkzeug. Damit kann eine flexiblere Produktgestaltung, kürzere Prozessketten im Vergleich zur konventionellen Fertigung und ein hoher Individualisierungsgrad erreicht werden. Additive Fertigungsverfahren bieten damit ein großes Potential individuelle Kundenwünsche zu erfüllen. Ein Hindernis zur weiteren Verbreitung der additiven Fertigung ist unter anderem die nicht ausreichende Oberflächenqualität für Funktionsbauteile. Um Anforderungen an Geometrie und Oberflächengüte zu erfüllen, wird der additiven Fertigung oft eine spanende Bearbeitung nachgelagert. Spanende Fertigungsverfahren sind flexibel einsetzbar und gut beherrscht. Bauteile, die additiv gefertigt wurden, unterscheiden sich allerdings in der Zerspanbarkeit von konventionellen Bauteilen. Ein Grund dafür ist das prozessbedingt anisotrope Gefüge. Infolgedessen hängen Prozesskräfte und Werkzeugverschleiß von der Aufbaurichtung des additiven Bauteils ab. Ein Problem der additiven Fertigung mit anschließender spanender Nachbearbeitung ist das mangelnde Verständnis der Wechselwirkungen zwischen den einzelnen Prozessen. Deshalb können Einzelprozesse nicht genau aufeinander abgestimmt werden und die Bauteilbearbeitung führt oft zu nicht reproduzierbaren Ergebnissen. Mit der erforderlichen Nachbearbeitung erhöht sich außerdem der Zeitbedarf und die Kosten zur Herstellung von Funktionsbauteilen und die Vorteile der additiven Fertigung werden damit teilweise relativiert.
Um einen wirtschaftlichen Einsatz zu ermöglichen, sollen im Projekt „OptiAM“ additiv-subtraktive Prozessketten untersucht und hinsichtlich technologischer und wirtschaftlicher Gesichtspunkte optimiert werden. Im ersten Jahr werden die Einflüsse verschiedener Prozessparameter auf den Prozess des selektiven Laserschmelzens untersucht. Das selektive Laserschmelzen ist ein pulverbasiertes additives Fertigungsverfahren, das sich aufgrund der großen verfügbaren Materialpalette und den hohen erreichbaren Festigkeiten in den letzten Jahren etabliert hat. Durch Variation der Prozessparameter wie z.B. Laserleistung und Schichtdicke können Bauteile mit verschiedenen Eigenschaften gefertigt werden. Besonders die Randzoneneigenschaften, die Porosität und die Oberfläche sind für den technischen Einsatz von Bedeutung. Diese Eigenschaften werden vor der Weiterbearbeitung auf einer HSC (High Speed Cutting) Fräsmaschine charakterisiert. Vorteile der HSC Bearbeitung sind sowohl die schnelle Bearbeitung als auch die geringen Zerspankräfte und eine hohe erzielbare Oberflächengüte. Besonders für additiv gefertigte Bauteile, die aufgrund von Leichtbauoptimierungen oft dünnwandig konstruiert werden, ist die HSC Bearbeitung mit den geringen Prozesskräften geeignet. Bei der Fräsbearbeitung wird der Einfluss verschiedener Fräsparameter sowohl auf die Bauteileigenschaften als auch auf die Zerspanbarkeit untersucht. Als Referenz sollen die Bearbeitung und resultierenden Eigenschaften eines konventionell hergestellten Bauteils dienen. Neben den technologischen Aspekten der additiv-subtraktiven Bearbeitung werden auch wirtschaftliche Einflüsse untersucht. Dazu zählen neben Anschaffungs- und Lohnkosten auch die Energiekosten. Mit den Ergebnissen dieser Untersuchungen kann ein umfangreiches Modell zur Prozesskettengestaltung und -optimierung erstellt werden. Am Ende wird eine unter wirtschaftlichen und technischen Gesichtspunkten multikriteriell optimierte Prozesskette aus additiver Fertigung und nachgelagerter subtraktiver Fertigung zur Verfügung stehen. Weiterhin tragen die Untersuchungen zum umfassenden Verständnis der Interaktionen zwischen additiver und subtraktiver Fertigung und deren Auswirkungen auf die Bauteileigenschaften bei. Im letzten Projektabschnitt werden die Erkenntnisse der ersten Teile auf das Laserauftragsschweißen übertragen. Damit soll ein Vergleich der Prozessketten verschiedener pulverbasierter additiver Fertigungsverfahren ermöglicht werden. Das Projekt wird von der KSB Stiftung gefördert und läuft über einen Zeitraum von 3 Jahren.
Kontakt
M. Sc. Pascal Langlotz
E-Mail: pascal.langlotz(at)mv.uni-kl.de
Telefon: 0631 / 205 – 4225
Kontakt
M. Sc. Carina Siedler
E-Mail: carina.siedler(at)mv.uni-kl.de
Telefon: 0631 / 205 – 5975
Kontakt
M. Sc. Johanna Steiner-Stark
E-Mail: johanna.steiner.stark(at)mv.uni-kl.de
Telefon: 0631 / 205 – 5763
